×

兹马思-数学第一资源

位置、尺度和形状广义加性模型的稳健拟合。(英语) Zbl 1461.62008
摘要:广义位置、尺度和形状的广义加性模型(GAMLSS)估计和平滑参数选择的有效性依赖于似然函数的正确描述。众所周知,偏离这种假设会误导任何基于似然的推断,并可能妨碍旨在确保非线性效应在某种程度上平滑的惩罚方案。我们提出了一种通过限制低对数似然值观测值的贡献来实现gamlss拟合鲁棒性的一般方法。平滑参数的稳健选择可以通过最小化由robusted似然产生的信息准则或通过扩展的Fellner-Schall方法来实现。后者允许自动选择平滑参数,并且在具有多个平滑参数的应用中特别有利。我们还提出了一种新的中值加权比例准则来解决非线性模型的鲁棒估计量整定问题。这使得我们能够与现有的鲁棒估计量在广义可加模型的特殊情况下进行公平的比较,在这种情况下,我们的估计量具有优势竞争性。通过在GAMLSS环境下的进一步模拟和使用二元平滑样条函数在功能性磁共振脑成像中的应用,说明了我们的方案的整体良好性能。
理学硕士:
62-08年 统计问题的计算方法
62G08型 非参数回归与分位数回归
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 阿利马达德。;Salibian Barrera,M.,广义加性模型的离群值稳健拟合及其在疾病暴发检测中的应用,J.Am。统计协会,106494719-731(2011)·Zbl 1232.62142
[2] 拜尔林,A。;法赫米尔,L。;曼斯曼,美国。;Toschke,AM,评估儿童BMI增加的替代回归模型,BMC-Med。Res.Methodol.,第8、1、59页(2008年)
[3] 伯克,K。;MacKenzie,G.,多参数回归生存模型:比例危险的替代品,生物特征学,73,2678-686(2017)·Zbl 1372.62056
[4] 坎托尼,E。;Ronchetti,EM,平滑样条曲线平滑参数的阻力选择,统计计算,11,2,141-146(2001)
[5] 坎托尼,E。;罗切蒂,EM,广义线性模型的鲁棒推理,J.Am。统计协会,964551022-1030(2001)·Zbl 1072.62610号
[6] 科尔,TJ;斯坦诺杰维奇。;股票,J。;科茨,阿拉巴马州;汉金森,新泽西州;韦德,AM,年龄和大小相关的参考范围:儿童和成人肺活量测定的案例研究,统计医学,28,5880-898(2009)
[7] 连接,AR;古尔德,尼姆;托因特,PL,信赖域方法(2000),费城:工业和应用数学学会,费城·Zbl 0958.65071
[八] 克莱文,P。;Wahba,G.,用样条函数平滑噪声数据,Numer。数学,31,4377-403(1979)·Zbl 0377.65007
[9] 克劳斯,C。;吉布尔斯,I。;Prosdocimi,I.,《扩展广义加性模型中平均值和离散度函数的稳健估计》,生物特征学,68,1,31-44(2012)·Zbl 1241.62108号
[10] 德卡斯特罗,M。;坎丘,VG;Rodrigues,J.,《在GAMLSS框架下拟合长期生存模型的实践方法》,Comput。方法程序生物医学,97,2168-177(2010)
[11] Eguchi,S.,Kano,Y.:Psi散度的robusting最大似然估计。研究备忘录802。统计数学研究所,东京(2001)
[12] 场,C。;Smith,B.,《稳健估计:加权最大似然法》,国际统计年鉴,62,3,405-424(1994)·Zbl 0825.62428
[13] Geyer,C.J.:信任:信任区域优化。R程序包版本0.1-6。http://CRAN.R-project.org/package=trust(2015年)
[14] 加利福尼亚州格拉斯比;Khondoker,MR,cDNA微阵列多重激光扫描功能回归估计器的效率,Biomet。J、 ,51,1,45-55(2009年)·Zbl 1442.62379
[15] Groll,A.,Hambuckers,J.,Kneib,T.,Umlauf,N.:位置、规模和形状的广义加性模型框架下的套索式惩罚。In:工作论文2018-2016,经济与统计学院。因斯布鲁克大学(2018)·Zbl 07132591
[16] 汉巴克斯,J。;格罗尔,A。;Kneib,T.,《理解运营损失严重程度的经济决定因素:正则化广义帕累托回归方法》,J.Appl。《经济学》,33898-935(2018年)
[17] 影响曲线及其在稳健估计中的作用,J.Am。《联邦公报》第396-346页,1974年·Zbl 0305.62031
[18] 汉佩尔,法国;伦切蒂,埃姆;罗素,PJ;《稳健统计:基于影响函数的方法》(1986),纽约:威利,纽约·Zbl 0593.62027
[19] 黑斯提,TJ;《广义加性模型(1990)》,纽约:查普曼和霍尔/CRC,纽约·Zbl 0747.62061
[20] 胡贝尔,PJ;Ronchetti,EM,《稳健统计》(2009年),纽约:威利,纽约·Zbl 1276.62022
[21] 科尼希,S。;Kitagawa,G.,《模型选择中的一般信息准则》,生物计量学,83,4875-890(1996)·Zbl 0883.62004
[22] 兰道S。;埃里森·赖特,IC;Bullmore,ET,通过功能性磁共振成像测试两个大脑区域之间生理反应时间的差异,J.R.Stat.Soc。爵士。C、 53,1,63-82(2003年)·Zbl 1111.62352
[23] 朗,S。;乌姆劳夫,N。;韦氏伯格,P。;哈特根,K。;Kneib,T.,多级结构加性回归,统计计算,24,223-238(2014)·Zbl 1325.62179
[24] Marra,G.,Radice,R.:GJRM:广义联合回归模型。R程序包版本0.2-3。http://CRAN.R-project.org/package=GJRM(2020年)
[25] 马拉,G。;半径,R。;Bärnighausen,T。;木材,锡;McGovern,ME,用联立方程方法估计HIV感染率,不可忽视的缺失反应,J.Am。Stat.Assoc.,112,518,484-496(2017年)
[26] 马拉,G。;Wood,SN,广义可加模型分量置信区间的覆盖性质,Scan。J、 Stat.,39,53-74(2012年)·Zbl 1246.62058
[27] 迈尔,A。;北芬斯克。;霍夫纳,B。;克奈布,T。;Schmid,M.,高维数据的位置、比例和形状的广义加性模型:基于boosting的灵活方法,J.R.Stat.Soc。爵士。C、 613403-427(2012年)
[28] 诺塞达尔,J。;赖特,SJ,数值优化(2006),纽约:斯普林格,纽约·Zbl 1104.65059
[29] 潘,J。;Mackenzie,G.,《纵向研究中的平均协方差结构建模》,Biometrika,90,1239-244(2003)·Zbl 1039.62068
[30] R核心团队:R:统计计算的语言和环境。奥地利维也纳统计计算基金会。http://www.R-project.org/(2020年)
[31] 里格比,RA;施泰诺普洛斯,DM,位置、规模和形状的广义加性模型,J.R.Stat.Soc。爵士。C、 54507-554(2005年)·Zbl 05188697
[32] 里格比,RA;Stasinopoulos,医学博士;哈勒,广州;De Bastiani,F.,模拟位置、比例和形状的分布:使用R(2019年)中的GAMLSS,Boca Raton:Chapman&Hall/CRC,Boca Raton
[33] 拉吉,J。;Gilchrist,R.,《处于寒冷家庭风险中的老年人过冬发病率:一项基于人群的研究》,J.Publ。卫生,27,4353-358(2005年)
[34] Stasinopoulos,医学博士;里格比,RA;De Bastiani,F.,GAMLSS:分布回归方法,统计模型,18,3-4,248-273(2018)·Zbl 07289508
[35] Stasinopoulos,医学博士;里格比;哈勒,广州;沃杜里斯,V。;De Bastiani,F.,灵活回归与平滑:在R(2017)中使用GAMLSS,Boca Raton:Chapman&Hall/CRC,Boca Raton
[36] Stasinopoulos,M.,Rigby,B.:GAMLSS:位置尺度和形状的广义加性模型。R程序包版本5.1-7。http://CRAN.R-project.org/package=gamlss(2020年)
[37] 瓦特,T。;Chavez Demoulin,V.,条件依赖结构的广义加性模型,J.Multivar。《分析》,141147-167(2015年)·Zbl 1328.62390
[38] 王,RKW;姚,F。;李国明,广义可加模型的鲁棒估计,计算机科学。图表。Stat.,23,1270-289(2014年)
[39] Wood,SN,广义加性模型:R(2017)简介,Boca Raton:Chapman&Hall/CRC,Boca Raton·Zbl 1368.62004
[40] 木材,锡;Fasiolo,M.,用于平滑参数优化的广义Fellner-Schall方法及其在Tweedie位置、比例和形状模型中的应用,生物特征学,73,4,1071-1081(2017)·Zbl 1405.62216
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。